Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Risico beheren met Kwantitatief Risicobeheer is cruciaal in de bank-, verzekerings- en vermogensbeheersector. Het is essentieel dat financieel risico-analisten, toezichthouders en actuarissen beloningen kwantitatief kunnen afwegen tegen hun blootstelling aan risico.In deze cursus maak je kennis met risicobeheer van financiële portefeuilles aan de hand van de financiële crisis van 2007—2008 en de impact ervan op zakenbanken zoals Goldman Sachs en J.P. Morgan. Je leert hoe je met Python risico kunt berekenen en beperken met behulp van de maatstaven Value at Risk en Conditional Value at Risk, risico kunt schatten met technieken zoals Monte Carlo-simulatie, en geavanceerde technologieën zoals neurale netwerken kunt gebruiken om portefeuilles in real time te herbalanceren.
Vereisten
Lesprogramma
Cursusoverzicht
1
Herhaling van risico en rendement
Risicobeheer begint met inzicht in risico en rendement. We herhalen hoe risico en rendement met elkaar samenhangen, identificeren risicofactoren en gebruiken die om ons opnieuw te verdiepen in de Moderne Portefeuilletheorie, toegepast op de wereldwijde financiële crisis van 2007–2008.
- Welkom!50 XP
- Portefeuillerendement tijdens de crisis100 XP
- Covariantie van activa en portefeuillevolatiliteit100 XP
- Risicofactoren en de financiële crisis50 XP
- Introductie frequentieresampling100 XP
- Correlatie van risicofactoren visualiseren100 XP
- Kleinste-kwadraten factormodel100 XP
- Moderne portefeuilletheorie50 XP
- Oefenen met PyPortfolioOpt: rendementen100 XP
- Oefenen met PyPortfolioOpt: covariantie100 XP
- De financiële crisis opdelen100 XP
- De efficiënte grens en de financiële crisis100 XP
2
Doelgericht risicobeheer
Nu is het tijd om je toolkit voor portefeuille-optimalisatie uit te breiden met risicomaatstaven zoals Value at Risk (VaR) en Conditional Value at Risk (CVaR). Hiervoor gebruik je gespecialiseerde Python-bibliotheken zoals pandas, scipy en pypfopt. Je leert ook hoe je de risicoblootstelling kunt beperken met het Black-Scholes-model om een optiep ortefeuille te hedgen.
3
Risico schatten en identificeren
In dit hoofdstuk schat je risicomaatstaven met parametrische schatting en historische gegevens uit de echte wereld. Vervolgens ontdek je hoe Monte Carlo-simulatie je kan helpen onzekerheid te voorspellen. Tot slot leer je hoe de wereldwijde financiële crisis liet zien dat de willekeur zelf veranderde, door inzicht te krijgen in structurele breuken en hoe je die kunt identificeren.
4
Geavanceerd risicobeheer
Het is tijd om meer algemene risicobeheertools te verkennen. Deze geavanceerde technieken zijn cruciaal om extreme gebeurtenissen te begrijpen, zoals verliezen tijdens de financiële crisis, en complexe verliesverdelingen die zich kunnen onttrekken aan traditionele schattingstechnieken. Je ontdekt ook hoe neurale netwerken kunnen worden ingezet om verliesverdelingen te benaderen en real-time portefeuille-optimalisatie uit te voeren.
Kwantitatief risicobeheer in Python
Cursus
voltooid
